SVM Kelas Tunggal
SVM kelas tunggal ialah algoritma pengesanan anomali dan kebaharuan tanpa pengawasan yang mempelajari sempadan yang ketat di sekeliling data latihan normal dalam ruang ciri yang diinduksi kernel, menandakan pemerhatian baharu yang jatuh di luar sempadan itu sebagai pencilan. Diperkenalkan oleh Scholkopf et al. pada 1999–2001, ia melanjutkan rangka kerja SVM kepada tetapan kelas tunggal di mana tiada anomali berlabel tersedia.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+18 more
Sumber
- Scholkopf, B., Platt, J. C., Shawe-Taylor, J., Smola, A. J., & Williamson, R. C. (2001). Estimating the support of a high-dimensional distribution. Neural Computation, 13(7), 1443–1471. DOI: 10.1162/089976601750264965 ↗
- Tax, D. M. J., & Duin, R. P. W. (2004). Support vector data description. Machine Learning, 54(1), 45–66. DOI: 10.1023/B:MACH.0000008084.60811.49 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). One-Class Support Vector Machine (Novelty and Anomaly Detection). ScholarGate. https://scholargate.app/ms/machine-learning/one-class-svm
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Pengesanan Anomali AutoenkoderPembelajaran Mesin↔ compare
- Isolation ForestPembelajaran Mesin↔ compare
- Faktor Penyimpang Lokal (LOF)Pembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →